[发明专利]乘客公交出行下车站点预测方法及系统

权利要求书

1.一种乘客公交出行下车站点预测方法，基于乘客历史AFC数据计算出行行为指标，进一步分析刷卡乘客出行特征、提取公交出行模式，在此基础上根据实时的上车站点信息预测乘客下车站点，其特征在于：包括以下步骤，

S1、获取时刻t公交上车刷卡卡号与上车站点a；将全天公交运营时间划分为若干时段，时刻t∈[T_i,T_i+1]，T_i为时段i的开始时刻；

S2、根据AFC卡号，对乘客历史公交上下车刷卡记录进行汇集处理，计算出行行为指标；步骤S2中，出行行为指标包括乘客公交出行线路重复系数R、乘客公交出行频次N、乘客每日首次公交出行的起始站点位置差异系数SF和乘客每日末次公交出行的终点站点位置差异系数SL，

乘客公交出行线路重复系数R，其计算公式为R＝C/LN，其中C为选定时间范围内该乘客的公交出行总次数，LN为该时间范围内的该乘客所有公交出行中选择的公交线路数量；

乘客公交出行频次N，即统计在该时间范围内乘客公交出行的天数；

乘客每日首次公交出行的起始站点位置差异系数SF，其计算公式为SF＝TF/NF，其中TF为选定时间范围内存在该乘客上车刷卡记录的天数，NF表示在该时间范围内的任一天存在该乘客当日首次公交出行的上车刷卡记录的站点数；

乘客每日末次公交出行的终点站点位置差异系数SL，其计算公式为SL＝TL/NL，其中TL为选定时间范围内存在该乘客下车刷卡记录的天数，NL表示在该时间范围内的任一天存在乘客当日末次公交出行的下车刷卡记录的站点数；

S3、基于步骤S2所得的出行行为指标，采用高斯混合模型划分高强度群体及一般出行群体，进一步分析刷卡乘客出行特征；步骤S3具体为，

S31、基于贝叶斯信息准则BIC值，确定聚类模型，即确定聚类数目以及聚类所采用的协方差模式；其中BIC＝K ln(n)-2ln(L)，K为聚类数目，n为样本数量，L为似然函数；

S32、根据步骤S31选定的聚类模型，对步骤S2的出行行为指标进行聚类处理；

S33、根据步骤S32的聚类结果，对每一聚类群体的人均天出行次数进行统计，若群体的统计值超过阈值，则对应群体具有高强度出行属性，将其判定为高强度出行群体；否则为一般出行群体；

S34、根据乘客AFC卡号，从高强度出行群体、一般出行群体中识别该乘客群体归属，从而分析乘客的出行特征，在高强度出行与一般出行中选其一；

S4、根据步骤S3得出的乘客出行特征进行下车站点进行预测；对于高强度出行乘客，采用贝叶斯估计模型对其下车站点进行预测；对于一般出行乘客，采用历史数据统计进行预测下车站点。

2.如权利要求1所述的乘客公交出行下车站点预测方法，其特征在于：步骤S3中，历史公交上下车刷卡记录的时间范围不低于1个月。